标签：方式 intel 期刊 开发 限制 基于 投资 人才 北大
https://mp.weixin.qq.com/s/82WDRyIB4h4_SoR2Ftjw0gBy 超神经
场景描述：今年 2 月 11 日，特朗普总统签署了总统行政命令，概述美国人工智能的发展倡议，内容中着重强调：美国在人工智能领域里，必须且一定要取得世界范围内的领导地位。
前脚说完，后脚美国的科技大佬们就开始吐槽：「不欢迎留美人才，还削弱他国科技企业，你拿啥领导别人？」
而今年 5 月 10 日，美方将对 2000 亿美元中国输美商品加征的关税从 10% 上调至 25%，再次让中美之间的战争升温。而这场贸易战的背后，更是隐藏着技术之争……
关键词：AI 竞赛 数据隐私 技术人才 特朗普签署这份行政命令，距离他上任后的第二次国情咨文演讲还不到一周，可见其重要程度。他还在国情咨文中谈到，将与国会议员合作制定一套基础设施计划，投资未来尖端产业。
特朗普强调，这并非可选项，而是必选项。特朗普正准备一系列行政命令，旨在提高美国包括 AI、5G 和量子计算在内的关键技术领域的全面竞争力。
然而科技界很多人都认为，美国想在人工智能领域持续拥有领导地位，还远未确定。
2018 年在人工智能初创公司的投资方面，中国已经超过了美国，甚至人工智能的投资资金中有近 50％ 都流向中国的创业公司。
虽然就交易数量而言，美国仍处于领先地位，但在过去的几年中，美国的人工智能创业公司一直在稳步下滑。
图片来源：cbinsights《Top AI Trends To Watch In 2018》
中国现在也在人工智能领域的专利数量和论文方面开始挑战美国的霸主地位。诚然，其中一些论文的质量可能仍然落后于美国，但中国一直在追赶，而且过去几年的进步速度简直令人咋舌。
基于我们上面讨论的内容，我们建议将世界划分为三大类：西方，中国和世界其他地区。显然，这种细分是非常主观的，但我们认为它以一种有用的方式构建了围绕人工智能政策的对话。
现在深入探讨一下，决定当前正在展开的全球 AI 军备竞赛的关键因素。在考虑可以使用机器学习解决的任何问题时，需要考虑三个构建块：数据，人才和资金。 
1.数据
根据 IDC 的统计报告，现在已有超过 50 亿消费者每天产生大量数据，到 2025 年，这个数字将增加到 60 亿。
随着数据量的增加，物联网设备将越来越多地推动增长，现在预计到 2025 年每年将产生超过 90 个 zettabytes （*）的数据。
*注释：zettabytes 常译作泽字节或泽它字节，通常在标示网络硬盘总容量,或具有大容量的储存媒介之储存容量时使用。1 ZB=1024 PB 1PB=1024 EB，1EB=1024 TB。
图片来源：希捷《The Digitization of the World From Edge to Core》
这里有两个关键因素：数据收集和数据使用。
首先，从数据收集上来说，虽然全球智能手机的增长正在放缓，但物联网的发展却刚刚开始。截至 2018 年，至少有 70 亿台 IoT 设备 ，到 2025 年增长到 215 亿台，超过所有其他类别的总和。
每个社会人，一生中都会被几十，甚至几百个智能设备连接，从道路交通到公寓温度的一切信息，都可能被记录下来。只要我们有意愿共享和存储数据，都可以被加以利用。
来源：State of the IoT 2018
其次，就是数据使用。对隐私越发关注，而对数据收集加以限制，并防止滥用的政策和舆论越来越多。但在现阶段机器学习中，对隐私的保护，会影响可用于训练模型的数据量。
反过来，这意味着那些还不太关心隐私的国家（以中国为榜样）例如，已经开始用 AI 驱动的安全摄像头进行大规模的安全布放，并且成功地抓住罪犯，就是在数据方面获得优势。
话虽如此，在其他领域里，比如无人驾驶或机器翻译，欧美国家就拥有更好的数据集，实验空间和地区政策。
2.人才
人才代表了第二个关键的资源，因为他们才能指导机器如何解决问题。
实际情况与我们在报告中看到的上有所不同：
欧美国家中尤其是美国，具有天然的人才优势，源于它仍然是最理想的工作和生活地点之一，更容易吸引来自世界各地的人才。开放包容又鼓励创造的生活环境，有助于发现和培养创新思想。
在基础研究方面，美国也有着世界最多的成熟研究型大学系统。
不过近年来，中国已建立了一流的研究型大学体系，并继续积极投入。中国已经在自然科学和工程学领域，加速培养人才，并在期刊上发表的论文数量比美国更多。
来源: Artificial Intelligence – a strategy for European startups
虽然在某些特定领域的研究中，美国掌握着更大的领先优势，但是谈到研究结果的转化，就要远远不及中国的实践速度了。
对于研究结果的转化效率，我们的衡量标准时：每个国家建立的 AI 初创公司的数量，以及加入该领域的工程师的数量。
美国拥有最多的创业公司，也是因为谷歌，微软和Facebook 等大型科技公司投资，所达成了现有的生态系统。
不过，中国在这里排名第二，也是有着中国科技巨头加速投资布局人工智能企业的结果。
如果把欧洲视为一个整体，可以排名第三。
3.投资
根据 CB Insights 的说法，2017 年，对中国创业公司的投资占全球人工智能创业投资的 50 ％。对比 2016 年，有着高达 11.6％ 增长。
在 2018 年，融资额最高的两家公司：SenseTime 和Face ++ ，都来自中国。在早期投资方面，中国今天已经领先于所有竞争对手。
很明显两国在可用资金数量，生态系统的稳健性和多个领域的可用性方面同样处于有利地位。
虽然特朗普总统宣布了他的《美国人工智能倡议》，但似乎人工智能的发展格局已经快确定了。
我们试用战略投资的模型评估一下特朗普的《美国人工智能倡议》的可行度吧。
现在，应用这个框架来评估特朗普总统的人工智能战略，可以有把握地得出结论：鉴于《美国人工智能倡议》措辞非常模糊和通用，所以这个特朗普的倡议并没有真正改变任何东西。
很多人认为人工智能是一场新的军备竞赛，从硬件、软件再到企业落地，各国都在激烈竞争，我们相信人工智能的合作能够为所有人带来更好的成果。
有趣的是，相比于去五十年的独立发展，欧美国家特别更有可能从全球合作中受益，因为思考和创造历史上让美国吸引人才的地方更为自由。
美国人工智能可持续发展的途径可能依赖于：专注于促进全球合作，包括来自中国等地的研究人员和公司投资开发人工智能，同时注意不要对企业的主动性施加限制。
因此，美国政府的作用应该集中在帮助构建更适合合作的商业环境，而不是试图强加不必要的限制，来扼杀创新和合作。
战略顾问br/>MSc@莫斯科国立大学数学
MBA@西北大学凯洛格商学院
Alex Stern
架构师，连续创业者，br/>MSc@莫斯科国立大学核物理
MBA@达特茅斯大学商学院
Eugene Sidorin
梯度消失问题 Vanishing Gradient Problem
梯度消失问题是一种在使用梯度下降法和反向传播训练人工神经网络时遇到的难题。在这类训练方法的每个迭代中，神经网络权重的更新值与误差函数梯度成比例，然而在某些情况下，梯度值会几乎消失，使得权重无法得到有效更新，甚至神经网络可能完全无法继续训练。
举例来说，传统的激活函数，如双曲正切函数的梯度值在 ( 0 , 1 ) 范围内，而反向传播通过链式法则来计算梯度。 这种做法计算前一层的梯度时，相当于将 n 个这样小的数字相乘，这就使梯度（误差信号）随 n 呈指数下降，导致前面的层训练非常缓慢。
标签：方式 intel 期刊 开发 限制 基于 投资 人才 北大
原文地址：https://blog.51cto.com/14929242/2535375
